从字面上看，机器视觉不同于计算机视觉。机器视觉是应用在机器设备上的，而计算机视觉是简单的用计算机计算出来的。如果是工作角度，选择未来发展方向，简单说说计算机视觉和自然语言。1计算机视觉目前比较成熟，包括2D视觉，3D视觉，包括OCR等等。
计算机视觉的前景怎么样？
大有可为，行业目前成就仅是冰山一角。有些朋友认为CV进入瓶颈期的，可能是一些计算机视觉的经典问题，论文化，学术化的，如物体识别和检测人脸，行人，物体，场景 etc但是如果能死磕这些经典问题，往往能带来质的突破，比如说对于ImageNet物体识别GoogLeNet之后，大部分人应该都不会想到还有ResNet出现先说结论由于近几年深度学习的发展，计算机视觉应用的前景广阔。
而且越来越多的应用场景被挖掘出来。比如视频自动识别，在公安中应用，遥感影像自动提取在国土智能监管中应用。其实我举这个例子，就是想说明一点，计算机视觉的应用非常多，远没达到饱和的地步，算法在提高的同时，更具挑战性的应用也会被提出来，这是相辅相成的。人脸，车牌/车型以及物体分类跟踪是当前比较受关注的应用，包括很多明星企业，也主要是做这个领域，但其实这只是一小部分而已。
还有其他更有价值的领域，比如产品缺陷检测，雷达图像分析，医学图像分析比如癌细胞早期筛查等等，太多了就不展开细讲了。即便是大家耳熟能详的人脸识别，其实也有很多细分领域的应用等着去挖掘。以下是第二届数字中国峰会的竞赛题目，AI识别钢筋数量，说明什么?cV不断与业务融合，在某个业务痛点上发挥无可替代作用。
非计算机专科学历的人去应聘计算机视觉相关工作怎么样？
其实学计算机不像学金融那么看重学校，本科以下的计算机专业主要是学应用能力，程序语言不过是一门简单的逻辑工具，没什么难的，并不需要多好的学校，自己看书也能看懂(不过可能会走弯路，不建议)关键是越往上越需要数学和英语的实力，想要提升就需要摸索算法，想要了解最新技术就必须看外国原文文献，所以一定要学好数学和英语。
什么是计算机视觉？
机器视觉是最常用的人工智能应用之一，比较好的介绍可以看维基百科。 https://en.wikipedia.org/wiki/Computer_vision计算机视觉Computer Vision就是利用计算机来处理图像，获得我们想要的信息。在人工智能领域，计算机视觉的含义则更近一步，不再是简单的获取图像和对图像进行简单的处理，如裁剪缩放滤波等，而是如何像人一样理解图像。
这一领域的先驱可追溯到更早的时候，但是直到20世纪70年代后期，当计算机的性能提高到足以处理诸如图像这样的大规模数据时，计算机视觉才得到了正式的关注和发展。比如下面这张图，在人的眼里，能很容易识别出一个男人斑马线黑色的背包手机等等，同时还可以理解到这些物体之间的关系，一个背着黑色背包的男人正打着电话在过斑马线。
甚至还可以进行进一步的推理，如根据这个男人的着装，那么他可能是一个喜欢运动的人。但是在计算机的眼里则是从0到255的数字像素的范围，对于彩色图像，还有三个通道。那么我们如何让机器也能同人一样能够识别和理解蕴含在图中语义信息，这就是计算机视觉要做的事情。计算机视觉的目前主要包括最基础的如物体的检测和识别，在此基础上的动作姿态识别，物体跟踪，图像修复和增强等。
更何况是图像理解的学问。比如下图，首先你需要识别出图片中的所有物体，并进行标注。比如左图中，大象大象河河流被识别，甚至包括脏铺设、站立等描述性信息。然后这些标签进行语义重组，形成一个句子。但是这张图还有很多问题，比如识别图中不存在的物体，比如半人马。
